[數據知識]IBM 數據治理成熟度評估模型

2019 年 10 月 7 日
筆記

本文介紹IBM 數據治理成熟度評估模型

簡介
成熟度等級
模型介紹
演進路線
總結

簡介

數據被認為是推動企業增長和商業創新引擎的燃料。數據無疑被組織認定且擁有的資產之一，但是由於其海量數據的增加，複雜度隨之增加，管理和控制的難度越來越大。

從結構化數據到非結構化數據。例如：客戶和員工數據、元數據、商業秘密、電子郵件、視頻和音頻等，組織需要找到一種行之有效的方法，在不影響業務正常運轉的情況下，按照業務數據需求管理；
大量的數據零散在各個角落。當前較多組織的數據分佈在多個複雜的豎井式的各類應用系統中，這些數據彼此之間隔離，數據存在大量的冗餘和混亂不清，很少一部分數據參與跨部門的協同，缺少良好的數據治理和數據管理組織結構、角色和職責；
企業期望利用信息獲得績效和利潤。組織期望通過評估數據資產，體現數據價值，並且期望通過數據運營支撐組織的商業決策和降低競爭中的風險。

正式由於以上的這些原因，數據治理已提升為企業戰略優先事項。

通常數據治理被認為是獲得高質量數據的核心控制規程，用於管理、使用、改進和保護企業數據加工過程中數據質量。有效的數據治理可以促進跨組織間的協調與決策，增強企業數據的可用、可信、可管、可控。企業關心的四個因素：

增加收入
降低成本
規避風險
數據可信

許多企業通過學習、培訓和借鑒經驗，開展自身的數據管理實踐，通過尋找行業基準和通用框架建立實施方法論。IBM 數據治理成熟度模型是由55人專家組成的專家委員會，通過計劃、設計、實施、驗證階段開展數據治理業務、技術、方法和最佳實踐，提出通過數據治理獲得一致性和高質量數據的成熟度模型，幫助組織有效改善數據管理環境，進而有效利用數據。

專家委員會提出當前組織面臨數據的主要問題，如下：

缺乏跨職能數據治理組織結構和決策機制；
缺乏數據風險和數據資產評估，導致業務目標與IT之間脫節；
數據治理政策與數據需求管理、數據分析預測和數據質量報告等缺乏關聯；
通用的數據存儲庫、規則、標準和過程，導致數據全生命周期管理存在數據風險；
元數據管理和業務術語表，缺少對數據質量跟蹤，存在語義混淆，以及指標數據難以量化業務價值等問題；
缺少有效的數據價值評估技術、風險評估工具支撐企業數據評估；
數據模型管控長期處於事後管理，缺乏數據架構遵從性、體系結構完整性和實施部署的有效性。

成熟度等級

成熟度模型由Software Engineering Institute（SEI）在1984年開發，能力成熟度模型CMM（Capability Maturity Model）是一種用於開發和完善組織的軟件開發流程方法。CMM描述了五個等級的成熟度路徑：

Level 1 初始化 工作通常是臨時的，環境也不穩定，反映組織內個人能力，而不作為成熟度管理。該階段儘管組織內會生成產品和服務，但往往會超出預算和項目時間；
Level 2 已管理 基於項目或單業務職能的有效管理，能夠跟蹤成本和時間表，可以基於項目實踐的計劃和執行的經驗開展復用，但仍缺乏組織內整體的管理，仍然存在預算超支和實踐逾期等風險；
Level 3 已定義 組織內形成覆蓋整個組織的標準、流程和規程管理，能夠適應組織內業務職能或項目；
Level 4 量化管理 組織通過統計技術和量化分析，對所開展的質量目標進行量化管理；
Level 5 持續改進 量化的目標被明確建立且持續修訂反映業務目標的變化。

模型介紹

IBM 數據治理委員會提出數據治理能力成熟度模型，高階能力體現在四個方面：

成效
支持要素
核心準則
支撐準則

數據治理成熟度工作的推進者通常為企業的信息管理者，他們關注需要跨職能、跨流程、跨功能邊界的標準化，考慮信息生命周期中數據質量、數據安全的需求，針對組織級數據治理規程開展成熟度評估和管理，進而通過管理實現有效的協同一致性。

數據風險管理，數據風險管理涉及的風險識別、量化、規避、接受和減輕等；
價值創造，對數據資產進行的評估和量化過程，使得企業能夠最大化利用數據資產所創造的價值；
組織結構與文化，描述業務、IT、數據之間的相互責任和組織結構，針對組織不同層級上的管理提出受託責任且做出承諾；
數據管理，旨在確保組織獲得高質量數據資產，開展行之有效的數據管理，以降低風險和提升數據資產利用價值；
政策，政策是組織期望獲得數據治理方面的行為、規範的書面化；
數據質量管理，提供數據質量完整性、一致性、規範性等方法、測量和評估，進行改進和驗證；
信息生命周期管理，基於生命周期的信息收集、加工、使用、保留和退役等；
數據安全與隱私，描述組織風險防範和保護數據資產的策略、實踐和控制等；
數據架構，企業及數據模型管理，提供完整的數據源接入、分類、存儲、流轉管理，提供可用的數據資產和數據共享開發；
分類與元數據，用於業務和IT構建一致的可理解的術語、定義、分類和元數據管理、數據類型和存儲庫方法和工具。
信息審計、日誌記錄與報告，用語度量和評估數據價值、風險和治理的有效性的過程。

演進路線

組織需要確認當前存在數據問題，才能開展有效的數據解決措施，最佳的方式是獲得數據管理能力提升演進路線：

當前狀態：我們目前處於什麼位置？
未來狀態：我們希望在未來什麼位置？
演進路線：我們需要哪些人員、流程、技術和策略來填補當前和未來狀態的差距呢？

IBM數據治理成熟度模型的框架提供了當前和未來狀態之間的差距示例。執行數據治理成熟度評估的最佳方式是來至業務與IT的共同責任。

總結

數據治理已經成為世界各地組織的首要戰略重點之一。因此，整個行業對於數據治理的需求不斷增加，幫助企業獲得當前所處的階段和定位是尤其重要的。

IBM數據治理成熟度模型提供了一組基準和里程碑，幫助組織度量數據治理成熟度，通過成熟度級別、業務實踐和組織活動等要素，幫助組織利用成熟度模型開展整體的數據治理能力提升，確定今天我們在哪裡？—未來我們將去何處。